Konzeptkarte

Databricks Unity Catalog — Data Sharing (extern + intern)

Stand 2026-07-24T14:00:00Z

Redaktion: Cédric-Olivier Mâry, alleiniger Redakteur und verantwortlich für die Veröffentlichung — 27 Jahre im SAP-Ökosystem. Wie diese Seiten entstehen und wo Automatisierung eingesetzt wird.

Was ist Databricks Unity Catalog — Data Sharing (extern + intern)?

Die beiden Sharing-Modi von Unity Catalog tauschen Kosten gegen Reichweite: Databricks-zu-Databricks ist am günstigsten, da beide Seiten Unity Catalog nativ sprechen, während Open Delta Sharing mehr Governance-Aufwand kostet, dafür aber SAP Datasphere oder Snowflake erreicht.

Unity Catalog ist die einheitliche Governance-Schicht von Databricks — der einzige Katalog, der jede Tabelle, jede View, jedes Modell und jede Datei erfasst, wer darauf zugreifen darf und wie sie sich bis zur Quelle zurückverfolgen lässt. Data Sharing ist die Oberfläche von Unity Catalog, über die ein Databricks-Konto kuratierte, governte Assets anderen Konsumenten bereitstellt, ohne die zugrunde liegenden Daten zu kopieren, und ist bis 2026 der Standardweg, auf dem SAP-Analytics-Landschaften mit einem Databricks-Lakehouse interoperieren — genau deshalb liefert BDC eine native Databricks-Integration, die auf diesem Mechanismus aufbaut, statt auf einer maßgeschneiderten Pipeline.

Warum es wichtig ist

Die meisten Enterprise-Kunden, die SAP Analytics betreiben, betreiben nicht nur SAP; Databricks, Snowflake und Fabric stehen in derselben Landschaft routinemäßig neben Datasphere. Ein Architekt, der nicht erklären kann, wie governter Lesezugriff über diese Grenze hinweg funktioniert — ohne als Antwort einen nächtlichen Batch-Export vorzuschlagen —, verliert bei jedem plattformübergreifenden Engagement an Glaubwürdigkeit. Unity Catalog Data Sharing ist zudem der Mechanismus, der sich am direktesten mit SAPs eigener Delta-Sharing-Unterstützung in Datasphere und BDC Connect vergleichen lässt, sodass sein Verständnis den Vergleich schärft, statt ihn zu ersetzen.

Warum es zählt

SAP Datasphere plus Databricks ist das kanonische Multi-Engine-Muster 2026, dem diese Funktion dienen soll.
Sharing ist per Design schreibgeschützt — für transaktionale Integration mit hohem Schreibaufkommen braucht es stattdessen Lakehouse Federation oder native Konnektoren.
Der Widerruf erfolgt sofort, und die Rotation ist ein einziger CLI-Aufruf, sodass die Zugriffskontrolle operativ günstig ist, sobald ein Share eingerichtet ist.

Kernpunkte

Zwei Modi — Databricks-zu-Databricks (volle UC-Semantik + Lineage) und Open Delta Sharing (jeder konforme Client, einschließlich SAP Datasphere als Konsument).
Share-Inhalte — Tabellen, Views, Volumes, Modelle; Spaltenauswahl + Zeilenfilter + Change-Data-Feed-(CDF)-Schalter pro Empfänger.
Authentifizierung — Bearer-Tokens für das offene Protokoll; Empfänger-Kontokennung für Databricks-zu-Databricks; sofortiger Widerruf; Rotation mit einem Aufruf.
Lineage — UC erfasst jeden Share und jeden Empfänger; vollständiges Audit-Log, wer wann was gelesen hat, einschließlich der von den Filtern gelieferten Zeilen.
Schreibgeschützt — kein Rückschreiben über Sharing; für Schreibintegration Lakehouse Federation oder native Konnektoren nutzen.
Databricks Unity Catalog — Data Sharing (extern + intern) ist erst dann beherrscht, wenn es eine benannte Käuferentscheidung verändert.
Beginnen Sie mit dem semantischen Vertrag und dem Kontrollmodell, bevor Sie das Tool vorführen.
Nutzen Sie aktuelle SAP-, Analysten-, Studien-, KG- und Nachrichtensignale als Beleg, nicht als Dekoration.
Trennen Sie verifizierte Fakten von richtungsweisenden Trends und modellierten Annahmen.
Definieren Sie Owner, Metrik, Schwellenwert, Support-Pfad und Rollback, bevor Sie skalieren.

Begriffe auf dieser Seite

Unity Catalog: Die einheitliche Governance-Schicht von Databricks für Tabellen, Views, Volumes, ML-Modelle und Dateien; zentralisiert Zugriffskontrolle, Lineage und Audit über alle Databricks-Workspaces eines Kontos hinweg.
Share: Ein benanntes UC-Objekt, das die Tabellen, Views, Volumes oder Modelle auflistet, die einem oder mehreren Empfängern bereitgestellt werden; Spaltensichtbarkeit und Zeilenfilter werden pro Empfänger festgelegt.
Change-Data-Feed (CDF): Eine optionale Delta-Table-Funktion, die zeilengenaue INSERT-/UPDATE-/DELETE-Ereignisse für den nachgelagerten inkrementellen Konsum erfasst; kann über Sharing für inkrementelle Lesezugriffe bereitgestellt werden.
Lakehouse Federation: Das Databricks-Muster, um externe Datenquellen (PostgreSQL, MySQL, Snowflake, SAP HANA via JDBC) direkt vor Ort aus Databricks SQL abzufragen; ergänzend zu Sharing — Federation ist für bidirektionalen/In-Place-Zugriff, Sharing für schreibgeschützte, governte Veröffentlichung.
Entscheidungsträger: Die verantwortliche Person, die den Trade-off akzeptiert und die nächste Maßnahme finanziert.
Semantischer Vertrag: Die gemeinsame Definition von Geschäftsbegriffen, Metriken, Entitäten und Zugriffsregeln, die von Tools und Teams verwendet wird.
Kontrollebene: Die Schicht, die Richtlinien, Zugriff, Herkunftsnachweis (Lineage), Monitoring und Eskalation im gesamten Betriebsmodell durchsetzt.
Evidenzgrad: Eine Kennzeichnung, die verifizierte Fakten, richtungsweisende Signale, modellierte Annahmen und Feldbeobachtungen voneinander trennt.

Quellen

Vollständige Karte für Mitglieder. Was die vollständige Karte ergänzt: den vollständigen Entscheidungsrahmen · den Vergleich SAP · Snowflake · Databricks · Fabric · die häufigen Fallstricke und ihre Behebung · die Kurzreferenz · die Architekturschemata · die Codeblöcke · die zitierfähigen Kennzahlen.

In der App öffnen →